Les dommages du SARS-CoV-2 pour les Data Analysts –

(Last Updated On: 11 avril 2020)

En ce moment c’est la star des sujets de conversation, la préoccupation majeure des médias. Sans aucun doute, ce « coronavirus » impacte de nombreux évènements¹, et bouscule l’économie mondiale².

Les données sur le nombre de décès causés par ce virus sont disponibles et mises à jour quotidiennement sur un Github : https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data/csse_covid_19_time_series.

C’est le Johns Hopkins Coronavirus Resource Center qui met à jour les données quotidiennement.

Le nombre de cas confirmés (cumulé) par jour et par Pays/Province : https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv
Le nombre de personnes rétablies (cumulé) par jour et par Pays/Province : https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_recovered_global.csv
Le nombre de personnes décédées (cumulé) par jour et par Pays/Province : https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv

Pour ouvrir les fichiers directement sous R :

recovered <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_recovered_global.csv"
recovered <- read.csv(recovered)
confirmed <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv"
confirmed <- read.csv(confirmed)
deaths <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv"
deaths <- read.csv(deaths)

Puis pour afficher le nombre de confirmés/rétablis/morts dans le monde jour après jour :

evolution_d <- apply(deaths[,c(5:length(deaths))],2,sum)
evolution_r <- apply(recovered[,c(5:length(recovered))],2,sum)
evolution_c <- apply(confirmed[,c(5:length(confirmed))],2,sum)

library("lubridate")
library(ggplot2)
jours <- seq(as.Date("2020-01-22"), as.Date("2020-03-05"), by = "day")
ggplot() + 
  geom_line(aes(x=jours,y=evolution_c, group=1, color = 'Confirmés'),size=1.5) +
  geom_line(aes(x=jours,y=evolution_r, group = 2, color = 'Rétablis'),size=1.5) +
  geom_line(aes(x=jours,y=evolution_d, group = 3, color = 'Décédés'),size=1.5) +
  theme(text = element_text(size=14))+
  ylab('Nombre de cas')+xlab('Date')

Bien que le nombre de cas confirmés augmente dangereusement, le nombre de personnes décédés quand à lui ne décolle pas dangereusement. Au contraire, le nombre de personnes rétablies augmente de manière quadratique !

Crédit photo article : Photo by Hello I’m Nik 🍌 on Unsplash

Sources